論文の概要: Selection of appropriate multispectral camera exposure settings and
radiometric calibration methods for applications in phenotyping and precision
agriculture
- arxiv url: http://arxiv.org/abs/2402.18553v1
- Date: Wed, 28 Feb 2024 18:35:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-29 13:57:36.842696
- Title: Selection of appropriate multispectral camera exposure settings and
radiometric calibration methods for applications in phenotyping and precision
agriculture
- Title（参考訳）: 表現型および精密農業における適切なマルチスペクトルカメラ露光設定と放射計校正手法の選択
- Authors: Vaishali Swaminathan, J. Alex Thomasson, Robert G. Hardin, Nithya
Rajan
- Abstract要約: 被曝時間とゲイン設定がマルチスペクトル画像の放射能精度に及ぼす影響は十分に調査されなかった。
本研究の目的は、画像取得中に固定露光(FE)時間を持つことで、画像の放射能精度が向上するかどうかを判定することであった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radiometric accuracy of data is crucial in quantitative precision
agriculture, to produce reliable and repeatable data for modeling and decision
making. The effect of exposure time and gain settings on the radiometric
accuracy of multispectral images was not explored enough. The goal of this
study was to determine if having a fixed exposure (FE) time during image
acquisition improved radiometric accuracy of images, compared to the default
auto-exposure (AE) settings. This involved quantifying the errors from
auto-exposure and determining ideal exposure values within which radiometric
mean absolute percentage error (MAPE) were minimal (< 5%). The results showed
that FE orthomosaic was closer to ground-truth (higher R2 and lower MAPE) than
AE orthomosaic. An ideal exposure range was determined for capturing canopy and
soil objects, without loss of information from under-exposure or saturation
from over-exposure. A simulation of errors from AE showed that MAPE < 5% for
the blue, green, red, and NIR bands and < 7% for the red edge band for exposure
settings within the determined ideal ranges and increased exponentially beyond
the ideal exposure upper limit. Further, prediction of total plant nitrogen
uptake (g/plant) using vegetation indices (VIs) from two different growing
seasons were closer to the ground truth (mostly, R2 > 0.40, and MAPE = 12 to
14%, p < 0.05) when FE was used, compared to the prediction from AE images
(mostly, R2 < 0.13, MAPE = 15 to 18%, p >= 0.05).
- Abstract（参考訳）: データのラジオメトリック精度は、モデリングと意思決定のための信頼性と繰り返し可能なデータを生成するために、量的精度の農業において不可欠である。
露光時間とゲイン設定がマルチスペクトル画像の放射精度に及ぼす影響は十分に検討されなかった。
本研究の目的は,画像取得時の被曝時間(fe)が既定オート露光(ae)設定と比較して画像の放射能精度を向上しているかを判定することであった。
これは、自動露光による誤差の定量化と、ラジオメトリック平均絶対パーセンテージ誤差(MAPE)が最小 ( 5%) である理想的な露光値の決定にかかわる。
その結果, FE整形術はAE整形術よりも接地術(高R2, 低MAPE)に近かった。
露光不足や露光過度の飽和からの情報を失うことなく,天蓋や土の物体を捕捉する理想的な露光範囲が決定された。
aeによる誤差のシミュレーションにより、mape < 5%が青、緑、赤、nir帯で、< 7%が赤の縁帯で理想的な範囲で露光し、理想の露光上限を超える指数関数的に増加した。
さらに,2つの異なる生育期の植生指標(VIs)を用いた総植物窒素摂取量(g/植物)の予測は,AE画像による予測(R2 < 0.13, MAPE = 15 to 18%, p >= 0.05)と比較して,FEを用いた場合の真相(主にR2 > 0.40, MAPE = 12 to 14%, p < 0.05)に近かった。
関連論文リスト
- A Novel Fusion of Optical and Radar Satellite Data for Crop Phenology Estimation using Machine Learning and Cloud Computing [0.0]
大地観測データユビキティの時代には、リモートセンシングデータに基づいて作物の表現学を正確に予測する試みが試みられている。
そこで我々は,新しい枠組みを用いて,ドイツ全土の8大作物と13の表現学的発達を30mスケールで推定した。
論文 参考訳（メタデータ） (2024-08-16T13:44:35Z) - Prediction of soil fertility parameters using USB-microscope imagery and portable X-ray fluorescence spectrometry [3.431158134976364]
本研究では, 可搬型蛍光X線分析法と土壌画像解析による土壌の高速肥育性評価について検討した。
インド東部の多様な農業気候帯から採取した1,133個の土壌サンプルを分析した。
論文 参考訳（メタデータ） (2024-04-17T17:57:20Z) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳（メタデータ） (2023-09-02T09:07:36Z) - Robust estimation of exposure ratios in multi-exposure image stacks [12.449313419096821]
入力画像から直接露光率を推定する。
カメラノイズによる推定誤差を最小限に抑えるために,一対の露光から画素を選択できる最適化問題として露出時間推定を導出する。
複数の空間タイルから画素を収集することにより、カメラや物体の動きによる画素の不一致に容易に対応できることを示す。
論文 参考訳（メタデータ） (2023-08-05T23:42:59Z) - Generating high-quality 3DMPCs by adaptive data acquisition and
NeREF-based radiometric calibration with UGV plant phenotyping system [3.7387019397567793]
本研究では, 適応データ取得とラジオメトリックキャリブレーションにより高品質な3DMPCを生産する手法を提案する。
プラント全体のデータの完全性は、固定された視点のみと比較して平均23.6%向上した。
3Dキャリブレーションプラント3DMPCは、クロロフィル含有量のPLSRの予測精度を向上し、R2では平均0.07、RMSEでは平均21.25%向上した。
論文 参考訳（メタデータ） (2023-05-11T12:59:21Z) - CuDi: Curve Distillation for Efficient and Controllable Exposure
Adjustment [86.97592472794724]
そこで我々は, 対や不対のデータを必要とせず, 効率よくかつ制御可能な露光調整のためのCuDi曲線蒸留法を提案する。
提案手法は,ゼロ参照学習と曲線ベースのフレームワークを,実効的な低照度画像強調手法であるゼロDCEから継承する。
提案手法は, 高速で頑健でフレキシブルな性能に優れ, 実シーンにおける最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-07-28T17:53:46Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - A learning-based view extrapolation method for axial super-resolution [52.748944517480155]
軸光界分解能は、再焦点によって異なる深さで特徴を区別する能力を指します。
せん断エピポーラ平面画像の軸体積から新しい視点を推定する学習に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-03-11T07:22:13Z) - Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。
REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。
このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文 参考訳（メタデータ） (2020-07-21T17:30:51Z) - Transfer Learning of Photometric Phenotypes in Agriculture Using
Metadata [6.034634994180246]
フィールド条件下での光度植物表現型(例えば、色調、色調、色調)の推定は、期待される収量品質、果実の熟度、さらなる育種の必要性を決定する上で重要である。
ネットワークに埋め込まれた条件の取得に関する画像とメタデータを組み合わせることで、異なる条件間のより正確な推定と転送を可能にします。
最先端の深層CNNと人間の専門家と比較して、メタデータの埋め込みはトマトの色調と色調の推定を改善する。
論文 参考訳（メタデータ） (2020-04-01T09:24:34Z) - Learning Multi-Scale Photo Exposure Correction [51.57836446833474]
露出を間違えた写真を撮影することは、カメラベースの画像の誤りの主な原因である。
本稿では,各サブプロブレムに個別に対処する粗大な深層ニューラルネットワーク(DNN)モデルを提案する。
提案手法は,未露出画像における既存の最先端手法と同等の結果を得る。
論文 参考訳（メタデータ） (2020-03-25T19:33:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。